激光雷达滤波算法

1、基于最小二乘法的激光雷达数据滤波方法

2、基于双通分离窗滤波算法的激光雷达数据预处理方法

限幅滤波&＃xff1a;设置两次采样允许的最大偏差值。

优点&＃xff1a;可以克服因偶然因素引起的脉冲干扰。

缺点&＃xff1a;无法抑制周期性干扰&＃xff1a;无法确定周期性干扰形成的信号中&＃xff0c;哪个是正常值&＃xff0c;哪个为干扰值&＃xff1f;

           平滑度差&＃xff1a;简单的消除了超出偏差值阈值的部分&＃xff0c;无平滑效果

 

均值滤波&＃xff1a;连续取N个采样值进行算术均值计算

优点&＃xff1a;适用于对一般随机干扰的信号进行滤波。&＃xff08;在一定范围内存在均值&＃xff0c;信号在一定幅度上波动&＃xff09;

缺点&＃xff1a;N值较大时信号平滑度较高档灵敏度低&＃xff0c;反之灵敏度高而平滑度低。

 

中值滤波&＃xff1a;连续采样N次&＃xff0c;把N个值按大小排序&＃xff0c;取中间值作为有效值。

优点&＃xff1a;可以克服因偶然因素引起的脉冲干扰。

缺点&＃xff1a;N值较大时信号平滑度较高档灵敏度低&＃xff0c;反之灵敏度高而平滑度低。

 

信号&＃xff1a;雷达扫描数据

噪声&＃xff1a;测距中的干扰和噪声

算法步骤&＃xff1a;

a、选择一个以K为中心&＃xff0c;2M为宽度&＃xff0c;L为中心偏移的窗口&＃xff0c;0<&＃61;L

  K &＃61; 2M&＃43;1&＃xff0c; L&＃61;0

  K &＃61; 2M&＃43;2-2L &＃xff0c;L&＃xff01;&＃61; 0

 

b、计算窗口内的所有点的均值

   fe &＃61; 1/K × ∑f&＃xff08;i&＃xff09;

 

c、限幅处理 

  g(k) &＃61; f(k)    if   f(k)  <&＃61; α*fe

   g(k) &＃61; fe    if  f(k) >  α*fe

  其中α为参数阈值。

 

  M&＃61;4&＃xff0c;  α &＃61; 0.6 &＃xff0c;L&＃61; 3

 

优点&＃xff1a;计算量小&＃xff0c;平滑效果明显。

缺点&＃xff1a;参数α对拐角处的平滑会偏离实际数据。

 

 

 3、均值滤波、欧氏距离 动态阈值线特征提取&＃xff08;限幅滤波、中值滤波、均值滤波&＃xff09;

4、基于扫描数据形态学的滤波算法

基于集合论&＃xff0c;对具有一定形态的结构元素度量和和提取图中的对应形状。

变化窗口的自适应形态学滤波,

5、基于坡度变化的滤波算法

6、基于TIN的滤波算法

7、基于伪扫描线的滤波算法

8、基于多分辨率方向预测的滤波算法

9、基于小波分层原理的滤波算法